[EN] MELON：无需初始位姿即可从图像中重建3D物体
Google Research团队提出MELON技术，能在不依赖相机初始位姿、预训练或复杂训练方案的情况下，仅凭4至6张未标注位姿的2D图像，高精度重建物体3D模型。该技术通过轻量级CNN编码器动态回归相机位姿，并引入模损失（modulo loss）处理物体伪对称问题，为3D重建领域提供了一种简洁且易于集成的解决方案。
3D重建
[EN] MELON：无需相机姿态即可从图像重建3D物体的新方法
Google Research团队提出MELON方法，能够在没有相机姿态初始估计的情况下，仅凭4-6张2D图像即可重建3D物体，通过轻量级CNN编码器和模损失函数解决了姿态推断中的伪对称问题。
[EN] MELON：无需相机位姿从图像重建3D物体
Google Research团队提出MELON（模等价潜在优化NeRF）技术，能在完全没有相机位姿先验信息的情况下，仅用4-6张2D图像就重建出3D物体，通过轻量CNN编码器与模损失函数解决了长期存在的位姿与3D结构间的“先有鸡还是先有蛋”难题。
[EN] MELON：无相机姿态先验的多视图3D对象重建新方法
Google Research 提出 MELON 技术，无需初始相机姿态估计、复杂训练或预训练，即可从少量未标定图像中同时推断相机姿态并重建 3D 对象，在 NeRF 框架下实现高精度。
[EN] MELON：无需初始姿态估计即可从少量图片重建3D物体
Google Research 团队提出 MELON 技术，能在无相机初始姿态、无预训练数据的条件下，仅凭4-6张图片即可高精度重建物体的3D NeRF模型，解决了姿态未知下的“先有鸡还是先有蛋”难题。